Analisis Sentimen Penilaian Masyarakat Terhadap Pejabat Publik Menggunakan Algoritma Naïve Bayes Classifier

Indonesian people convey opinions to public officials by involving community organizations in demonstrations.  However, due to digital era, many people also choose to respond the performance of public officials by conveying it through social media, one of which is Twitter. Sociaty opinion recorded on Twitter can be used for structured analysis using sentiment analysis. Sentiment analysis aims to shape data into specific classes. The class classification in sentiment analysis is in the form of positive classes and negative classes. This study applies the Naïve Bayes algorithm in classifying the sentiment of Twitter data, sociaty assessments of public officials. The data used came from text data of 8000 Tweets which was then preprocessed to produce 7993 data for sentiment analysis. Evaluation of algorithm performance using confusion matrix to obtain accuracy and error rate values. The results of sentiment analysis show that the assessment of people with the highest frequency is in the negative class. The algorithm performance shows an accuracy value of 64.55% with an error rate of 35.45%.Umumnya masyarakat Indonesia menyampaikan opini kepada pejabat publik dilakukan dengan melibatkan organisasi masyarakat secara demonstrasi.  Namun, dikarenakan era digital masa kini banyak masyarakat juga yang memilih dalam menanggapi/merespon kinerja pejabat publik dengan menyampaikannya melalui media sosial salah satunya Twitter. Opini masyarakat yang tercatat dalam Twitter dapat digunakan untuk dilakukan analisis secara terstruktur mengggunakan analisis sentiment. Analisis sentiment bertujuan untuk membentuk data menjadi kelas tertentu. Klasifikasi kelas yang ada dalam analaisis sentiment berupa kelas positif dan kelas negatif. Pada penelitian ini menerapkan algoritma Naïve Bayes dalam melakukan klasifikasi sentimen data Twitter penilaian masyarakat terhadap pejabat publik. Data yang digunakan berasal dari data teks sebanyak 8000 Tweet yang kemudian dilakukan proses preprocessing sehingga menghasilkan 7993 data. Evaluasi kinerja algoritma menggunakan confusion matrix untuk mendapatkan nilai accuracy dan error rate. Hasil analisis sentimen menunjukkan penilaian masyarakat dengan frekuensi tertinggi berada pada kelas negatif. Performa algoritma menunjukkan nilai accuracy sebesar 64,55% dengan error rate sebesar 35,45%